Face à 15-20% de triche par IA sur certains devoirs maison, une école néo-zélandaise est revenue à l'écrit manuscrit surveillé ; la détection serait retombée à ~5%. La NZQA a interdit l'IA générative aux examens, jugeant les détecteurs d'IA peu fiables.
15-20 %
Taux de triche à l'IA détecté dans un établissement avant le changement de format (2023-2024)
~5 %
Taux de triche à l'IA détecté dans le même établissement après le retour à une évaluation manuscrite et supervisée (2024)
19 standards
Normes du NCEA de niveau 1 pour lesquelles les rapports écrits ont cessé d'être la méthode d'évaluation externe à partir de 2025 (from 2025)
Détails
Maturité
Established
Promoteur
New Zealand Qualifications Authority (NZQA) / Ministry of Education
Période
2023–ongoing (Level 1 assessment-method change from 2025)
Mots-clés
academic integrity, assessment policy, national qualifications, AI-detection scepticism, secondary education
Contexte
Depuis 2023, avec des mises à jour jusqu'en 2025, la New Zealand Qualifications Authority (NZQA) et le ministère de l'Éducation ont publié des directives nationales interdisant les chatbots, l'IA générative et les outils de paraphrase dans l'évaluation externe du NCEA, de sorte que les candidats ne peuvent pas soumettre du contenu généré par IA comme étant leur propre travail. Les établissements disposant d'un « agrément pour évaluer » doivent adopter leur propre politique d'authenticité pour l'évaluation interne, précisant les usages acceptables de l'IA. Les directives avertissent explicitement que les logiciels de détection d'IA ne doivent pas être la seule base de décision, en raison des faux positifs, et orientent plutôt les enseignants vers des stratégies d'authentification fondées sur la connaissance du travail habituel de leurs élèves.
Objectifs
La politique vise à préserver l'authenticité de l'évaluation du NCEA face à la généralisation des outils d'IA générative, sans dépendre excessivement de logiciels de détection d'IA peu fiables. Elle propose aux enseignants des stratégies d'authentification concrètes, notamment des points d'étape, la vérification des sources, des questions de suivi, la comparaison avec des travaux antérieurs de l'élève et l'attention portée aux anomalies stylistiques.
Activités
Des reportages de RNZ en 2024 ont décrit des établissements — dont Saint Patrick's College Wellington, Onslow College et Westlake Girls' High School — qui ont réagi à des cas détectés de triche à l'IA sur des devoirs à faire à la maison en revenant à des formats manuscrits et supervisés. Au niveau national, le ministère et la NZQA ont décidé que les rapports écrits ne seraient plus la méthode d'évaluation externe pour 19 normes du NCEA de niveau 1 à partir de 2025, invoquant à la fois la charge administrative et des préoccupations d'authenticité.
Résultats
Dans un établissement cité par l'enquête de RNZ, 15-20% des élèves ont été identifiés comme ayant utilisé l'IA pour tricher lors des premières évaluations à faire à la maison ; après le retour de l'établissement à des formats manuscrits et supervisés, la détection de triche assistée par IA serait tombée à environ 5%. Les enseignants ont décrit ce changement comme ayant rendu l'évaluation par dissertation « vraiment compliquée », l'un d'eux notant que l'établissement était « revenu à l'écriture manuscrite pour de nombreuses évaluations ».
Conclusions
La description de la pratique elle-même avertit que ces chiffres proviennent d'établissements individuels cités dans une seule enquête journalistique, et non d'une étude nationale contrôlée, et qu'ils reflètent des cas détectés ou autodéclarés plutôt qu'une évaluation causale rigoureuse. Elle note également que le passage à une évaluation manuscrite et supervisée entraîne des coûts reconnus en classe, et qu'aucune disposition spécifique d'équité n'a été trouvée dans les directives publiées pour les élèves qui dépendent de technologies d'assistance ou de traduction.
Mise en œuvre
Coût indicatif
Low (< €50k)
Délai jusqu’aux résultats
Long (> 3 years)
Personnel et compétences
NZQA and Ministry of Education policy staff issuing and updating national guidance, School-level teachers implementing authentication strategies (milestone check-ins, source referencing, stylistic review), Schools holding 'consent to assess' status responsible for authoring and applying their own AI-authenticity policy
Conditions de réussite
Schools must hold 'consent to assess' and adopt a documented AI-authenticity policy for internal assessment
Teachers need to know their students' typical work well enough to spot stylistic anomalies rather than relying solely on AI-detection software
National guidance explicitly discourages reliance on AI detectors alone, given acknowledged false-positive risk
Modes d’échec courants
Over-reliance on unreliable AI-detection software producing false positives
Increased teacher workload from hand-written/supervised assessment and follow-up questioning
No equity-specific provisions identified for students who rely on assistive or translation technology
Où cela s’applique
Type de gouvernance
national
Échelle
national (NCEA, all secondary schools)
Niveau de revenu
high-income
Sources de données
D'où proviennent les informations de cette pratique, et quand.